ML Lecture 2 Quiz

Դիցուք դասակարգիչը (classifier) որևէ խնդրի վրա պետք է կանխատեսի 4 պիտակներից մեկը․ ո՞ր տեսակի դասակարգիչ է այն

• Multi-class

• Multi-cluster

• Multi-label

• Binary

Դիցուք w1-ի և w2-ի ի՞նչ արժեքների դեպքում տրված տվյալները ճիշտ կդասակարգվեն, եթե threshold=4

• w1=2.5 և w2=3.5

• w1=0 և w2=3

• w1=1 և w2=5

• w1=5 և w2=0

Հետևյալ գծերից ո՞րն է կառուցվել Binary Linear Classifier-ի միջոցով

• B

• D

• C

• A

Դիցուք BLC-ի ուսուցանման արդյունքում ստացել ենք class-երի հետևյալ միջին արժեքները՝ Positive->(1,5), Negative->(0,1): Այդ դեպքում, ո՞րը կլինի (3,1) կետի կանխատեսումը

• Positive

• Negative

• Երկուսն էլ Հնարավոր են

• Երկուսն էլ Հնարավոր չեն։

Հետևյալ պնդումը ճիշտ է՞ թե սխալ։
«Երբ դասերը գծորեն բաժանելի են, BLC-ն միշտ գտնում է լավագույն բաժանարար գիծը»

• Ճիշտ է

• Սխալ է

Հետևյալ feature-ներից որն է՞ ordinal categorical variable

• Գնահատականը՝

  0֊100 արժեքներով

• Սեռը՝ {"Male", "Female"} արժեքներով

• Տարվա Եղանակը՝ {"Summer", "Spring", "Winter", "Fall"} արժեքներով

• Զբաղեցրած տեղը՝ {"First", "Second", "Third"} արժեքներով

Ո՞ր բանաձևով է տրվում MAP Decision Rule-ը

• 
• 
• 
• 

Նշվածներից որն է՞ One-hot encoding մեթոդից առաջացող հնարավոր թերություն

• Որոշ կատեգորիաներ հազվադեպ են

• Նոր տվյալներում կան նախկինում չեղած կատեգորիաներ

• Բոլոր feature-ները categorical են

• Ոչ մեկը

Naive Bayes ալգորիթմը ենթադրում է ․․․ անկախությունը

• feature֊ների

• label-ների

• label֊ների՝ տրված feature-ի համար

• feature֊ների՝ տրված label-ի համար

Ինչի՞ համար է օգտագործվում Laplace Smoothing-ը Naive Bayes-ի օգտագործման դեպքում

• A. Ստանալու ավելի հարթ տվյալներ

• B. Խուսափել 0֊ի հավասար հավանականություն ստանալուց

• Երկուսն էլ ճիշտ են

• Երկուսն էլ սխալ են